Joel Belsasar Huamani Ccallocunto - 20196510

Open In Colab

Operations on Data Frames¶

Let me get the data on dengue from Peru:

Tarea 1¶

Analizando tablas¶

Elija para hoy: SOLO SEMANAS (ONE YEAR)

  • 1.1 Usar R para obtener gráficas similares a las mostradas en clase pero para un solo año, analizando por semana.
  • 1.2 Usar R para analizar otra data de este tipo (por ejemplo COVID) para un solo año analizando por semana.
  • 1.3 Usar cualquier otra data, donde los procesos de agrupamiento, merge, reshape, entre otros, sean claves.

Subir el LINK (a un html).

1.1 Usar R para obtener gráficas similares a las mostradas en clase pero para un solo año, analizando por semana.¶

In [1]:
import pandas as pd
linkData="https://github.com/SocialAnalytics-StrategicIntelligence/TableOperations/raw/main/dengue_ok.pkl"

dengue = pd.read_pickle(linkData)
dengue = dengue[dengue['ano'] == 2017]
# checking format
dengue.info()

<class 'pandas.core.frame.DataFrame'>
Index: 68279 entries, 257032 to 325310
Data columns (total 9 columns):
 #   Column        Non-Null Count  Dtype   
---  ------        --------------  -----   
 0   departamento  68279 non-null  object  
 1   provincia     68279 non-null  object  
 2   distrito      68279 non-null  object  
 3   ano           68279 non-null  int64   
 4   semana        68279 non-null  int64   
 5   sexo          68279 non-null  object  
 6   edad          68279 non-null  int64   
 7   enfermedad    68279 non-null  category
 8   case          68279 non-null  int64   
dtypes: category(1), int64(4), object(4)
memory usage: 4.8+ MB
In [2]:
# Each row is a person:
dengue.head()
Out[2]:
departamento provincia distrito ano semana sexo edad enfermedad case
257032 AYACUCHO HUANTA LLOCHEGUA 2017 1 M 23 SIN_SEÑALES 1
257033 AYACUCHO HUANTA LLOCHEGUA 2017 1 M 31 SIN_SEÑALES 1
257034 AYACUCHO HUANTA SIVIA 2017 1 F 40 SIN_SEÑALES 1
257035 PIURA SULLANA SULLANA 2017 1 F 23 SIN_SEÑALES 1
257036 PIURA SULLANA SULLANA 2017 1 M 13 ALARMA 1
In [3]:
# some exploration
dengue.describe().apply(lambda s: s.apply('{0:.5f}'.format))
Out[3]:
ano semana edad case
count 68279.00000 68279.00000 68279.00000 68279.00000
mean 2017.00000 18.81040 32.80856 1.00000
std 0.00000 7.46706 19.17166 0.00000
min 2017.00000 1.00000 1.00000 1.00000
25% 2017.00000 15.00000 17.00000 1.00000
50% 2017.00000 18.00000 30.00000 1.00000
75% 2017.00000 21.00000 46.00000 1.00000
max 2017.00000 52.00000 100.00000 1.00000
In [4]:
# exploring
dengue.enfermedad.value_counts()
Out[4]:
enfermedad
SIN_SEÑALES    60381
ALARMA          7664
GRAVE            234
Name: count, dtype: int64

Better labels:

In [5]:
dengue['enfermedad_text']=dengue.enfermedad.astype(str)

dengue.replace({'enfermedad_text':{'SIN_SEÑALES':'1_SIN_SEÑALES','ALARMA':'2_ALARMA','GRAVE':'3_GRAVE'}},inplace=True)
In [6]:
# exploring
dengue.ano.value_counts(sort=False)
Out[6]:
ano
2017    68279
Name: count, dtype: int64

Discretizing:

In [7]:
binLimits=[0,15,50,110]
theLabels=["a_menor_a_16","b_entre_16y50","c_mayor_a_50"]
dengue["edad_grupos"]=pd.cut(dengue['edad'], include_lowest=True,
                                     bins=binLimits,
                                     labels=theLabels,
                                     ordered=True)

# see

dengue.head()
Out[7]:
departamento provincia distrito ano semana sexo edad enfermedad case enfermedad_text edad_grupos
257032 AYACUCHO HUANTA LLOCHEGUA 2017 1 M 23 SIN_SEÑALES 1 1_SIN_SEÑALES b_entre_16y50
257033 AYACUCHO HUANTA LLOCHEGUA 2017 1 M 31 SIN_SEÑALES 1 1_SIN_SEÑALES b_entre_16y50
257034 AYACUCHO HUANTA SIVIA 2017 1 F 40 SIN_SEÑALES 1 1_SIN_SEÑALES b_entre_16y50
257035 PIURA SULLANA SULLANA 2017 1 F 23 SIN_SEÑALES 1 1_SIN_SEÑALES b_entre_16y50
257036 PIURA SULLANA SULLANA 2017 1 M 13 ALARMA 1 2_ALARMA a_menor_a_16

The surface:

In [8]:
pd.crosstab( dengue.enfermedad_text,dengue.edad_grupos, dropna=False, normalize='columns')
Out[8]:
edad_grupos a_menor_a_16 b_entre_16y50 c_mayor_a_50
enfermedad_text
1_SIN_SEÑALES 0.889715 0.881938 0.885871
2_ALARMA 0.108391 0.114674 0.108938
3_GRAVE 0.001894 0.003388 0.005191
In [9]:
pd.crosstab(dengue.enfermedad_text,[dengue.sexo,dengue.edad_grupos], dropna=False, normalize='columns')
Out[9]:
sexo F M
edad_grupos a_menor_a_16 b_entre_16y50 c_mayor_a_50 a_menor_a_16 b_entre_16y50 c_mayor_a_50
enfermedad_text
1_SIN_SEÑALES 0.894228 0.872083 0.882274 0.885319 0.895127 0.890399
2_ALARMA 0.104066 0.123799 0.113946 0.112604 0.102463 0.102634
3_GRAVE 0.001706 0.004118 0.003780 0.002078 0.002411 0.006967

Yearly look by weeks¶

In [10]:
# for colab
#!pip install altair -U
#!pip install "vegafusion-jupyter[embed]"
In [11]:
import altair as alt
alt.data_transformers.enable("vegafusion")
Out[11]:
DataTransformerRegistry.enable('vegafusion')
In [12]:
alt_dengue=alt.Chart(dengue)

enc_dengue=alt_dengue.encode(
    x='semana:O',  # Usar 'semana' como eje x
    y='median(edad):Q',  # La mediana de la edad como eje y
    color='enfermedad_text:N',  # Colorear por tipo de enfermedad
    tooltip=['median(edad)', 'semana:O', 'enfermedad_text:N']  # Información adicional en el tooltip
)

enc_dengue.mark_line() + enc_dengue.mark_errorband()
Out[12]:
In [13]:
enc_dengue = alt.Chart(dengue).encode(
    x='semana:O',  # Usar 'semana' como eje x
    y='median(edad):Q',  # La mediana de la edad como eje y
    color='enfermedad_text:N',  # Colorear por tipo de enfermedad
    tooltip=['median(edad)', 'semana:O', 'enfermedad_text:N']  # Información adicional en el tooltip
).mark_line().interactive()
In [14]:
# Crear facetas por 'sexo'
enc_dengue_facet = enc_dengue.facet(
    row='sexo:N'
)

# Mostrar el gráfico
enc_dengue_facet.display()

More detailed:

In [15]:
enc_dengue=alt_dengue.encode(
    x='semana:O',  # Usar 'semana' como eje x
    y=alt.Y('sum(case):Q'),  # Sumar los casos como eje y
    color='enfermedad_text:N',  # Colorear por tipo de enfermedad
    tooltip=['sum(case):Q', 'semana:O']  # Información adicional en el tooltip
).mark_line().interactive()

enc_dengue.mark_line().facet(
    row='sexo:N',
    column='edad_grupos:N'
)
Out[15]:

The previous plot may require a logged Y-axis:

In [16]:
# Crear el gráfico utilizando Altair con escala logarítmica en el eje y
enc_dengue = alt.Chart(dengue).encode(
    x='semana:O',  # Usar 'semana' como eje x
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Sumar los casos con escala logarítmica en el eje y
    color='enfermedad_text:N',  # Colorear por tipo de enfermedad
    tooltip=['sum(case):Q', 'semana:O']  # Información adicional en el tooltip
).mark_line().interactive()

# Crear facetas por 'sexo' y 'edad_grupos'
enc_dengue.mark_line().facet(
    row='sexo:N',
    column='edad_grupos:N'
)
Out[16]:

Let's get the same results in tables:

In [17]:
# Definir la lista de índices, incluyendo 'semana'
indexList = ['ano','semana', 'edad_grupos', 'sexo', 'enfermedad_text']

# Definir el diccionario de agregaciones
aggregator = {'edad': ['median']}

# Agrupar los datos por las variables especificadas y aplicar las agregaciones
LevelByYear_medians = dengue.groupby(indexList, observed=True).agg(aggregator)

# Mostrar la tabla resultante
LevelByYear_medians
Out[17]:
edad
median
ano semana edad_grupos sexo enfermedad_text
2017 1 a_menor_a_16 F 1_SIN_SEÑALES 9.0
2_ALARMA 6.0
M 1_SIN_SEÑALES 11.0
2_ALARMA 12.5
3_GRAVE 11.0
... ... ... ... ...
52 c_mayor_a_50 F 1_SIN_SEÑALES 68.0
2_ALARMA 63.0
M 1_SIN_SEÑALES 59.5
2_ALARMA 62.0
3_GRAVE 69.0

726 rows × 1 columns

In [18]:
LevelByYear_medians.unstack(['semana', 'sexo','enfermedad_text']) # Agregamos semana
Out[18]:
edad
median
semana 1 2 ... 51 52
sexo F M F M ... F M F M
enfermedad_text 1_SIN_SEÑALES 2_ALARMA 3_GRAVE 1_SIN_SEÑALES 2_ALARMA 3_GRAVE 1_SIN_SEÑALES 2_ALARMA 3_GRAVE 1_SIN_SEÑALES ... 3_GRAVE 1_SIN_SEÑALES 2_ALARMA 3_GRAVE 1_SIN_SEÑALES 2_ALARMA 3_GRAVE 1_SIN_SEÑALES 2_ALARMA 3_GRAVE
ano edad_grupos
2017 a_menor_a_16 9.0 6.0 NaN 11.0 12.5 11.0 13.0 12.5 NaN 10.0 ... 12.0 9.0 13.0 NaN 12.0 10.5 NaN 11.5 11.0 NaN
b_entre_16y50 35.5 32.0 24.0 29.0 18.0 NaN 33.0 23.0 16.0 28.0 ... 22.5 27.0 35.5 36.0 25.0 29.0 34.0 29.0 32.0 23.0
c_mayor_a_50 61.0 54.0 NaN 60.0 55.0 NaN 59.0 58.0 NaN 55.0 ... NaN 59.0 73.0 NaN 68.0 63.0 NaN 59.5 62.0 69.0

3 rows × 312 columns

Notice the multi-index:

In [19]:
LevelByYear_medians.info()

<class 'pandas.core.frame.DataFrame'>
MultiIndex: 726 entries, (2017, 1, 'a_menor_a_16', 'F', '1_SIN_SEÑALES') to (2017, 52, 'c_mayor_a_50', 'M', '3_GRAVE')
Data columns (total 1 columns):
 #   Column          Non-Null Count  Dtype  
---  ------          --------------  -----  
 0   (edad, median)  726 non-null    float64
dtypes: float64(1)
memory usage: 10.0+ KB

These are other possibilities, but not better than the lines:

In [20]:
alt_dengue=alt.Chart(dengue)
enc_dengue=alt_dengue.encode(
    x='semana:O',  # Usar 'semana' como eje x, especificando que es ordinal
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Sumar los casos con escala logarítmica en el eje y
    column='enfermedad_text:N'  # Crear columnas por tipo de enfermedad
)

enc_dengue.mark_circle()
Out[20]:
In [21]:
# Crear un gráfico usando Altair
alt_dengue = alt.Chart(dengue).mark_rule().encode(
    x='semana:T',  # Usar 'ano' como eje x, especificando que es temporal (año)
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Sumar los casos con escala logarítmica en el eje y
    column='enfermedad_text:N'  # Crear columnas por tipo de enfermedad
).properties(
    title='Número de Casos de dengue por semanas en el 2017'  # Título del gráfico
)
alt_dengue
Out[21]:
In [ ]:
In [22]:
alt_dengue=alt.Chart(dengue)
enc_dengue=alt_dengue.encode(
    x='semana:T',
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')), # Logaritmo
    column='enfermedad_text:N',
)
enc_dengue.mark_bar()
Out[22]:

Let's do some aggregation:

In [23]:
indexList=['edad_grupos','ano','semana','sexo','enfermedad_text'] # Agregamos semana
aggregator={'edad': ['median','mean','min','max']}
LevelByYear_statsFull=dengue.groupby(indexList,observed=True).agg(aggregator)
LevelByYear_statsFull
Out[23]:
edad
median mean min max
edad_grupos ano semana sexo enfermedad_text
a_menor_a_16 2017 1 F 1_SIN_SEÑALES 9.0 8.750000 1 15
2_ALARMA 6.0 7.111111 2 14
M 1_SIN_SEÑALES 11.0 9.684211 1 15
2_ALARMA 12.5 10.125000 2 14
3_GRAVE 11.0 11.000000 11 11
... ... ... ... ... ... ... ... ...
c_mayor_a_50 2017 52 F 1_SIN_SEÑALES 68.0 66.375000 51 78
2_ALARMA 63.0 62.666667 54 71
M 1_SIN_SEÑALES 59.5 63.666667 51 87
2_ALARMA 62.0 62.333333 57 68
3_GRAVE 69.0 69.000000 69 69

726 rows × 4 columns

Now, some reshaping:

In [24]:
LevelByYear_statsFull.stack(future_stack=True) # agregamos luego del punto
# reshapin del aggregator edad: horizontal a vertical
Out[24]:
edad
edad_grupos ano semana sexo enfermedad_text
a_menor_a_16 2017 1 F 1_SIN_SEÑALES median 9.00
mean 8.75
min 1.00
max 15.00
2_ALARMA median 6.00
... ... ... ... ... ... ...
c_mayor_a_50 2017 52 M 2_ALARMA max 68.00
3_GRAVE median 69.00
mean 69.00
min 69.00
max 69.00

2904 rows × 1 columns

Mining location¶

Let's use departamento and provincia:

In [25]:
indexList=['ano','semana','departamento','provincia','enfermedad_text']
aggregator={'case':['sum']} # Sum de casos de dengue
ByYearPlace=dengue.groupby(indexList,observed=True).agg(aggregator)
ByYearPlace
Out[25]:
case
sum
ano semana departamento provincia enfermedad_text
2017 1 AYACUCHO HUANTA 1_SIN_SEÑALES 9
2_ALARMA 2
LA MAR 1_SIN_SEÑALES 5
2_ALARMA 2
CAJAMARCA CONTUMAZA 1_SIN_SEÑALES 16
... ... ... ... ...
52 PIURA MORROPON 1_SIN_SEÑALES 1
PIURA 1_SIN_SEÑALES 13
SULLANA 1_SIN_SEÑALES 9
UCAYALI CORONEL PORTILLO 1_SIN_SEÑALES 23
2_ALARMA 3

2626 rows × 1 columns

Create a wide shape:

In [26]:
#long to wide
ByYearPlace.unstack() 
# El aggregate case pasó de vertical a horizontal: los 3 tipos de casos
Out[26]:
case
sum
enfermedad_text 1_SIN_SEÑALES 2_ALARMA 3_GRAVE
ano semana departamento provincia
2017 1 AYACUCHO HUANTA 9.0 2.0 NaN
LA MAR 5.0 2.0 NaN
CAJAMARCA CONTUMAZA 16.0 NaN NaN
CUSCO LA CONVENCION 18.0 3.0 NaN
HUANUCO LEONCIO PRADO 1.0 NaN NaN
... ... ... ... ... ...
52 MADRE DE DIOS TAMBOPATA 33.0 21.0 2.0
PIURA MORROPON 1.0 NaN NaN
PIURA 13.0 NaN NaN
SULLANA 9.0 NaN NaN
UCAYALI CORONEL PORTILLO 23.0 3.0 NaN

1795 rows × 3 columns

In [27]:
# no missing values
ByYearPlace_wide=ByYearPlace.unstack().fillna(0)
ByYearPlace_wide
Out[27]:
case
sum
enfermedad_text 1_SIN_SEÑALES 2_ALARMA 3_GRAVE
ano semana departamento provincia
2017 1 AYACUCHO HUANTA 9.0 2.0 0.0
LA MAR 5.0 2.0 0.0
CAJAMARCA CONTUMAZA 16.0 0.0 0.0
CUSCO LA CONVENCION 18.0 3.0 0.0
HUANUCO LEONCIO PRADO 1.0 0.0 0.0
... ... ... ... ... ...
52 MADRE DE DIOS TAMBOPATA 33.0 21.0 2.0
PIURA MORROPON 1.0 0.0 0.0
PIURA 13.0 0.0 0.0
SULLANA 9.0 0.0 0.0
UCAYALI CORONEL PORTILLO 23.0 3.0 0.0

1795 rows × 3 columns

The idea is get the sgare of people in ALARM status. For that we need this:

In [28]:
sumCases=ByYearPlace_wide.sum(axis=1)
sumCases
Out[28]:
ano   semana  departamento   provincia       
2017  1       AYACUCHO       HUANTA              11.0
                             LA MAR               7.0
              CAJAMARCA      CONTUMAZA           16.0
              CUSCO          LA CONVENCION       21.0
              HUANUCO        LEONCIO PRADO        1.0
                                                 ... 
      52      MADRE DE DIOS  TAMBOPATA           56.0
              PIURA          MORROPON             1.0
                             PIURA               13.0
                             SULLANA              9.0
              UCAYALI        CORONEL PORTILLO    26.0
Length: 1795, dtype: float64
In [29]:
# here you are:
shareAlarma=ByYearPlace_wide.loc[:,('case','sum','2_ALARMA')]/sumCases
shareAlarma.name='shareAlarma'
shareAlarma
Out[29]:
ano   semana  departamento   provincia       
2017  1       AYACUCHO       HUANTA              0.181818
                             LA MAR              0.285714
              CAJAMARCA      CONTUMAZA           0.000000
              CUSCO          LA CONVENCION       0.142857
              HUANUCO        LEONCIO PRADO       0.000000
                                                   ...   
      52      MADRE DE DIOS  TAMBOPATA           0.375000
              PIURA          MORROPON            0.000000
                             PIURA               0.000000
                             SULLANA             0.000000
              UCAYALI        CORONEL PORTILLO    0.115385
Name: shareAlarma, Length: 1795, dtype: float64

No multi index:

In [30]:
shareAlarma=shareAlarma.reset_index()
shareAlarma
Out[30]:
ano semana departamento provincia shareAlarma
0 2017 1 AYACUCHO HUANTA 0.181818
1 2017 1 AYACUCHO LA MAR 0.285714
2 2017 1 CAJAMARCA CONTUMAZA 0.000000
3 2017 1 CUSCO LA CONVENCION 0.142857
4 2017 1 HUANUCO LEONCIO PRADO 0.000000
... ... ... ... ... ...
1790 2017 52 MADRE DE DIOS TAMBOPATA 0.375000
1791 2017 52 PIURA MORROPON 0.000000
1792 2017 52 PIURA PIURA 0.000000
1793 2017 52 PIURA SULLANA 0.000000
1794 2017 52 UCAYALI CORONEL PORTILLO 0.115385

1795 rows × 5 columns

Let's find thwe worst province per Region in one year:

In [31]:
where = shareAlarma.groupby(['ano','semana','departamento'])['shareAlarma'].idxmax()
worst_prov_year = shareAlarma.loc[where].reset_index(drop=True)
worst_prov_year
Out[31]:
ano semana departamento provincia shareAlarma
0 2017 1 AYACUCHO LA MAR 0.285714
1 2017 1 CAJAMARCA CONTUMAZA 0.000000
2 2017 1 CUSCO LA CONVENCION 0.142857
3 2017 1 HUANUCO LEONCIO PRADO 0.000000
4 2017 1 ICA PALPA 0.000000
... ... ... ... ... ...
752 2017 52 LIMA LIMA 1.000000
753 2017 52 LORETO REQUENA 1.000000
754 2017 52 MADRE DE DIOS TAMBOPATA 0.375000
755 2017 52 PIURA MORROPON 0.000000
756 2017 52 UCAYALI CORONEL PORTILLO 0.115385

757 rows × 5 columns

In [32]:
worst_prov_year.shareAlarma.describe()
Out[32]:
count    757.000000
mean       0.240214
std        0.330670
min        0.000000
25%        0.000000
50%        0.062500
75%        0.375000
max        1.000000
Name: shareAlarma, dtype: float64
In [33]:
# amount of worst provinces per region
len(worst_prov_year.provincia.value_counts())
Out[33]:
65
In [34]:
# amount of worst provinces per region - cleaner
len(worst_prov_year[worst_prov_year.shareAlarma>0].provincia.value_counts())
Out[34]:
62

Some filtering:

In [35]:
worst_ProvYear_alarma=worst_prov_year[worst_prov_year.shareAlarma>0].loc[:,['departamento','provincia']]
worst_ProvYear_alarma.reset_index(drop=True,inplace=True)
worst_ProvYear_alarma
Out[35]:
departamento provincia
0 AYACUCHO LA MAR
1 CUSCO LA CONVENCION
2 LA LIBERTAD CHEPEN
3 LORETO MAYNAS
4 MADRE DE DIOS TAMBOPATA
... ... ...
449 LA LIBERTAD TRUJILLO
450 LIMA LIMA
451 LORETO REQUENA
452 MADRE DE DIOS TAMBOPATA
453 UCAYALI CORONEL PORTILLO

454 rows × 2 columns

In [36]:
indexList=['departamento','provincia']
aggregator={'provincia':['count']}
worst_ProvYear_alarma_Frequency=worst_ProvYear_alarma.groupby(indexList,observed=True).agg(aggregator)
worst_ProvYear_alarma_Frequency
Out[36]:
provincia
count
departamento provincia
AMAZONAS UTCUBAMBA 2
ANCASH CASMA 1
SANTA 15
AYACUCHO HUAMANGA 1
HUANTA 17
... ... ...
TUMBES TUMBES 12
ZARUMILLA 5
UCAYALI ATALAYA 18
CORONEL PORTILLO 17
PADRE ABAD 6

62 rows × 1 columns

The count informs how many years a province was the most affected:

In [37]:
worst_ProvYear_alarma_Frequency.describe()
Out[37]:
provincia
count
count 62.000000
mean 7.322581
std 7.460880
min 1.000000
25% 2.000000
50% 5.000000
75% 11.000000
max 32.000000
In [38]:
# final look
worst_ProvYear_alarma_Frequency.columns=['weeksAffected']
worst_ProvYear_alarma_Frequency=worst_ProvYear_alarma_Frequency[worst_ProvYear_alarma_Frequency.weeksAffected>2]
worst_ProvYear_alarma_Frequency.reset_index(inplace=True)
worst_ProvYear_alarma_Frequency
Out[38]:
departamento provincia weeksAffected
0 ANCASH SANTA 15
1 AYACUCHO HUANTA 17
2 AYACUCHO LA MAR 21
3 CUSCO LA CONVENCION 27
4 HUANUCO LEONCIO PRADO 12
5 ICA ICA 7
6 ICA NAZCA 3
7 ICA PALPA 15
8 JUNIN CHANCHAMAYO 12
9 JUNIN SATIPO 6
10 LA LIBERTAD ASCOPE 4
11 LA LIBERTAD CHEPEN 11
12 LA LIBERTAD PACASMAYO 6
13 LA LIBERTAD TRUJILLO 13
14 LA LIBERTAD VIRU 3
15 LAMBAYEQUE CHICLAYO 16
16 LAMBAYEQUE LAMBAYEQUE 4
17 LIMA LIMA 11
18 LORETO DATEM DEL MARAÑON 4
19 LORETO LORETO 5
20 LORETO MAYNAS 32
21 LORETO REQUENA 5
22 MADRE DE DIOS MANU 3
23 MADRE DE DIOS TAHUAMANU 3
24 MADRE DE DIOS TAMBOPATA 32
25 PIURA HUANCABAMBA 5
26 PIURA PAITA 15
27 PIURA PIURA 3
28 PIURA SECHURA 11
29 PIURA SULLANA 8
30 PIURA TALARA 5
31 SAN MARTIN HUALLAGA 3
32 SAN MARTIN MARISCAL CACERES 10
33 SAN MARTIN MOYOBAMBA 6
34 SAN MARTIN SAN MARTIN 6
35 SAN MARTIN TOCACHE 4
36 TUMBES CONTRALMIRANTE VILLAR 5
37 TUMBES TUMBES 12
38 TUMBES ZARUMILLA 5
39 UCAYALI ATALAYA 18
40 UCAYALI CORONEL PORTILLO 17
41 UCAYALI PADRE ABAD 6

Let's plot:

In [39]:
alt_worstProv=alt.Chart(worst_ProvYear_alarma_Frequency)

enc_worstProv=alt_worstProv.encode(
    y='departamento:N',  # Eje y basado en el departamento
    x='provincia:N',  # Eje x basado en la provincia
    text='weeksAffected:O',  # Texto que muestra los años afectados
    size='weeksAffected:O'  # Tamaño del texto basado en los años afectados
)

enc_worstProv.mark_text()
Out[39]:

Let's try another info:

In [40]:
indexList=['ano','semana','departamento','enfermedad_text']
aggregator={'case':['sum']}
ByYearDepa=dengue.groupby(indexList,observed=True).agg(aggregator)
ByYearDepa_wide=ByYearDepa.unstack().fillna(0)
ByYearDepaAlarm=ByYearDepa_wide.loc[:,('case','sum','2_ALARMA')]/ByYearDepa_wide.sum(axis=1)
ByYearDepaAlarm.name='alarmShare'

ByYearDepaAlarm=ByYearDepaAlarm.reset_index()
ByYearDepaAlarm
Out[40]:
ano semana departamento alarmShare
0 2017 1 AYACUCHO 0.222222
1 2017 1 CAJAMARCA 0.000000
2 2017 1 CUSCO 0.142857
3 2017 1 HUANUCO 0.000000
4 2017 1 ICA 0.000000
... ... ... ... ...
752 2017 52 LIMA 1.000000
753 2017 52 LORETO 0.478261
754 2017 52 MADRE DE DIOS 0.375000
755 2017 52 PIURA 0.000000
756 2017 52 UCAYALI 0.115385

757 rows × 4 columns

In [41]:
ByYearDepaAlarm.describe()
Out[41]:
ano semana alarmShare
count 757.0 757.000000 757.000000
mean 2017.0 25.394980 0.122590
std 0.0 14.666437 0.184344
min 2017.0 1.000000 0.000000
25% 2017.0 13.000000 0.000000
50% 2017.0 24.000000 0.040000
75% 2017.0 38.000000 0.166667
max 2017.0 52.000000 1.000000
In [42]:
ByYearDepaAlarm_focus=ByYearDepaAlarm[ByYearDepaAlarm.alarmShare>0]
In [43]:
ByYearDepaAlarm_focus.describe()
Out[43]:
ano semana alarmShare
count 454.0 454.000000 454.000000
mean 2017.0 22.991189 0.204407
std 0.0 14.144942 0.199880
min 2017.0 1.000000 0.003367
25% 2017.0 12.000000 0.058824
50% 2017.0 21.000000 0.142857
75% 2017.0 34.000000 0.285714
max 2017.0 52.000000 1.000000
In [44]:
edges=[-1, .10, .25, .5,1]
theLabels=["a.below10%","b.11-25%","c.26-50%","d.above50%"]
ByYearDepaAlarm_focus.loc[:,"alarmLevels"]=pd.cut(ByYearDepaAlarm_focus['alarmShare'],
                                            include_lowest=True,
                                            bins=edges,
                                            labels=theLabels,
                                            ordered=True)

##
ByYearDepaAlarm_focus.head()

C:\Users\user\AppData\Local\Temp\ipykernel_21612\504289943.py:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  ByYearDepaAlarm_focus.loc[:,"alarmLevels"]=pd.cut(ByYearDepaAlarm_focus['alarmShare'],
Out[44]:
ano semana departamento alarmShare alarmLevels
0 2017 1 AYACUCHO 0.222222 b.11-25%
2 2017 1 CUSCO 0.142857 b.11-25%
6 2017 1 LA LIBERTAD 1.000000 d.above50%
7 2017 1 LORETO 0.153846 b.11-25%
8 2017 1 MADRE DE DIOS 0.250000 b.11-25%
In [45]:
alt_WorstDepa=alt.Chart(ByYearDepaAlarm_focus).encode(x='semana:O',
                                                      y=alt.Y('departamento:N',
                                                              sort=alt.EncodingSortField(field='alarmShare',op='max',order='descending')))
enc1_WorstDepa=alt_WorstDepa.encode(
    color=alt.Color('alarmLevels:O').scale(scheme="lightgreyred", reverse=False)
)

enc1_WorstDepa.mark_rect()
Out[45]:
In [46]:
enc2_WorstDepa=alt_WorstDepa.encode(
    text=alt.Text('alarmShare:Q', format=".1f"),
    opacity=alt.condition('datum.alarmShare >= 0.3', alt.value(1), alt.value(0)))
enc2_WorstDepa.mark_text(fontStyle='bold')
Out[46]:
In [47]:
enc1_WorstDepa.mark_rect() + enc2_WorstDepa.mark_text()
Out[47]:

You can find different color schemes here

Fin de la tarea 1.1

1.2 Usar R para analizar otra data de este tipo (por ejemplo COVID) para un solo año analizando por semana.¶

In [48]:
import pandas as pd

# Definir la ruta al archivo en el entorno de Colab
file_path = 'delitos-2018-23.pkl'

# Importar el archivo .pkl
delitos_all = pd.read_pickle(file_path)
delitos_all.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1144988 entries, 0 to 1144987
Data columns (total 27 columns):
 #   Column          Non-Null Count    Dtype  
---  ------          --------------    -----  
 0   coordenadas     1144988 non-null  object 
 1   tiempo          1144988 non-null  float64
 2   latitud         1144988 non-null  float64
 3   longitud        1144988 non-null  float64
 4   anio            1144988 non-null  float64
 5   mes             1144988 non-null  float64
 6   dia             1144988 non-null  float64
 7   turno           1144988 non-null  object 
 8   ubigeo          1144988 non-null  object 
 9   id_comisaria    1144988 non-null  float64
 10  comisaria       1144988 non-null  object 
 11  id_dpto         1144988 non-null  object 
 12  departamento    1144988 non-null  object 
 13  id_provincia    1144988 non-null  object 
 14  provincia       1144988 non-null  object 
 15  id_distrito     1144988 non-null  object 
 16  distrito        1144988 non-null  object 
 17  id_tipo         1144988 non-null  float64
 18  tipo_delito     1144988 non-null  object 
 19  id_subtipo      1144988 non-null  float64
 20  subtipo         1144988 non-null  object 
 21  id_modalidad    1144988 non-null  float64
 22  modalidad       1144988 non-null  object 
 23  comisaria_full  1144988 non-null  object 
 24  macroregion     1144988 non-null  object 
 25  region_pol      1144988 non-null  object 
 26  division        1144988 non-null  object 
dtypes: float64(10), object(17)
memory usage: 235.9+ MB
In [49]:
selected_columns = [
    'tiempo', 'anio', 'mes', 'dia', 'turno', 
    'departamento', 'provincia', 'distrito', 
    'tipo_delito', 'subtipo', 'modalidad', 
    'macroregion', 'region_pol', 'ubigeo'
]
# Filtrar el DataFrame para incluir solo las columnas seleccionadas
delitos = delitos_all[selected_columns]

delitos = delitos[delitos['tipo_delito'] == 'PATRIMONIO (DELITO)']

# Agregar una columna 'case' con valor constante de 1
delitos['case'] = 1

# Convertir las columnas 'anio', 'mes', y 'dia' a tipo entero
columns_to_convert = ['anio', 'mes', 'dia', 'ubigeo']
delitos[columns_to_convert] = delitos[columns_to_convert].astype(int)
In [50]:
# Each row is a person:
delitos.head()
Out[50]:
tiempo anio mes dia turno departamento provincia distrito tipo_delito subtipo modalidad macroregion region_pol ubigeo case
0 1.681171e+12 2023 4 11 noche CALLAO CALLAO CALLAO PATRIMONIO (DELITO) RECEPTACION RECEPTACION CALLAO CALLAO 70101 1
4 1.682208e+12 2023 4 23 noche CALLAO CALLAO CALLAO PATRIMONIO (DELITO) HURTO HURTO CALLAO CALLAO 70101 1
5 1.682294e+12 2023 4 24 noche CALLAO CALLAO CALLAO PATRIMONIO (DELITO) HURTO HURTO CALLAO CALLAO 70101 1
6 1.682294e+12 2023 4 24 noche CALLAO CALLAO CALLAO PATRIMONIO (DELITO) RECEPTACION RECEPTACION CALLAO CALLAO 70101 1
8 1.682467e+12 2023 4 26 noche CALLAO CALLAO CALLAO PATRIMONIO (DELITO) RECEPTACION RECEPTACION CALLAO CALLAO 70101 1
In [51]:
# some exploration
delitos.describe().apply(lambda s: s.apply('{0:.5f}'.format))
Out[51]:
tiempo anio mes dia ubigeo case
count 871465.00000 871465.00000 871465.00000 871465.00000 871465.00000 871465.00000
mean 1641551631109.45361 2021.54842 6.10790 18.18921 152440.19231 1.00000
std 58808509042.18203 1.85553 3.02282 8.24144 53273.54118 0.00000
min 1514764800000.00000 2018.00000 1.00000 1.00000 10101.00000 1.00000
25% 1597104000000.00000 2020.00000 5.00000 11.00000 140101.00000 1.00000
50% 1676678400000.00000 2023.00000 5.00000 22.00000 150132.00000 1.00000
75% 1684886400000.00000 2023.00000 8.00000 24.00000 200101.00000 1.00000
max 1703980800000.00000 2023.00000 12.00000 31.00000 250401.00000 1.00000
In [52]:
# exploring
delitos.turno.value_counts()
Out[52]:
turno
mañana       415045
noche        177056
tarde        163777
madrugada    115587
Name: count, dtype: int64
In [53]:
delitos['turno_text']=delitos.turno.astype(str)

delitos.replace({'turno_text':{'mañana':'1_mañana','noche':'2_noche','tarde':'3_tarde','madrugada':'4_madrugada'}},inplace=True)
In [54]:
# exploring
delitos.anio.value_counts(sort=False)
Out[54]:
anio
2023    455048
2022    102596
2018    107335
2021     74210
2020     51791
2019     80485
Name: count, dtype: int64
In [55]:
unique_days = delitos['mes'].unique()

# Mostrar los valores únicos
print(unique_days)

[ 4  5  1  2  9  6  3 10  8 11 12  7]
In [56]:
# la variable 'dia'
# Define los límites para los intervalos de días en el mes
day_binLimits = [0, 10, 20, 31]  # Intervalos: 1-10, 11-20, 21-30
day_theLabels = ["a_1_a_10", "b_11_a_20", "c_21_a_31"]

# Crear una nueva columna 'dia_grupos' con las etiquetas de los intervalos
delitos['dia_grupos'] = pd.cut(delitos['dia'], 
                           bins=day_binLimits, 
                           labels=day_theLabels, 
                           include_lowest=True,
                           right=False)
In [57]:
pd.crosstab(delitos.turno_text,delitos.dia_grupos, dropna=False, normalize='columns')
Out[57]:
dia_grupos a_1_a_10 b_11_a_20 c_21_a_31
turno_text
1_mañana 0.249628 0.251037 0.663374
2_noche 0.289293 0.290988 0.130968
3_tarde 0.267133 0.270118 0.121133
4_madrugada 0.193947 0.187857 0.084525
In [58]:
# for colab
# !pip install altair -U
# !pip install "vegafusion-jupyter[embed]"
In [59]:
import altair as alt
alt.data_transformers.enable("vegafusion")
Out[59]:
DataTransformerRegistry.enable('vegafusion')

Delitos patrimoniales Yearly look¶

In [60]:
alt_delitos=alt.Chart(delitos)

enc_delitos=alt_delitos.encode(
    x='anio:T',
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Eje Y para la suma de casos con escala logarítmica
)
enc_delitos.mark_line()
Out[60]:
In [61]:
alt_delitos=alt.Chart(delitos)

enc_delitos=alt_delitos.encode(
    x='anio:T',
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Eje Y para la suma de casos con escala logarítmica
    color='turno_text:N',
)
enc_delitos.mark_line()
Out[61]:
In [62]:
enc_delitos=alt_delitos.encode(
    x='anio:T',
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Eje Y para la suma de casos con escala logarítmica
    color='turno_text:N',
    tooltip=['sum(case):Q','anio:T']
).interactive()
enc_delitos.mark_line().facet(
    column='dia_grupos:N'
)
Out[62]:
In [63]:
# Crear el gráfico
alt_delitos = alt.Chart(delitos).properties(
    width=400,  # Ajusta el ancho del gráfico
    height=400  # Ajusta la altura del gráfico, opcional
)

# Configurar la codificación y el tipo de gráfico
enc_delitos = alt_delitos.encode(
    x='anio:T',  # Eje X para los años # opcional cambiar por mes o dia
    y=alt.Y('sum(case):Q', scale=alt.Scale(type='log')),  # Eje Y para la suma de casos con escala logarítmica
    column='turno_text:N'  # Crear columnas para cada turno
)

# Añadir el tipo de marca
chart = enc_delitos.mark_bar() 
# opcional aplicar: enc_delitos.mark_circle() o enc_delitos.mark_rule() 

# Mostrar el gráfico
chart
Out[63]:

Mining location¶

Let's use departamento and provincia:

In [64]:
indexList=['anio','departamento','provincia','turno_text']
aggregator={'case':['sum']}
ByYearPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
ByYearPlace
Out[64]:
case
sum
anio departamento provincia turno_text
2018 AMAZONAS BAGUA 1_mañana 16
2_noche 14
3_tarde 21
4_madrugada 12
BONGARA 3_tarde 1
... ... ... ... ...
2023 UCAYALI PADRE ABAD 2_noche 63
3_tarde 83
4_madrugada 55
PURUS 1_mañana 2
4_madrugada 1

2899 rows × 1 columns

In [65]:
#long to wide
ByYearPlace.unstack()
Out[65]:
case
sum
turno_text 1_mañana 2_noche 3_tarde 4_madrugada
anio departamento provincia
2018 AMAZONAS BAGUA 16.0 14.0 21.0 12.0
BONGARA NaN NaN 1.0 NaN
CHACHAPOYAS 31.0 17.0 33.0 26.0
LUYA 2.0 1.0 1.0 NaN
RODRIGUEZ DE MENDOZA NaN NaN NaN 1.0
... ... ... ... ... ... ...
2023 TUMBES ZARUMILLA 1.0 NaN 1.0 NaN
UCAYALI ATALAYA 3.0 NaN 1.0 4.0
CORONEL PORTILLO 340.0 327.0 313.0 331.0
PADRE ABAD 95.0 63.0 83.0 55.0
PURUS 2.0 NaN NaN 1.0

859 rows × 4 columns

In [66]:
# no missing values
ByYearPlace_wide=ByYearPlace.unstack().fillna(0)
ByYearPlace_wide
Out[66]:
case
sum
turno_text 1_mañana 2_noche 3_tarde 4_madrugada
anio departamento provincia
2018 AMAZONAS BAGUA 16.0 14.0 21.0 12.0
BONGARA 0.0 0.0 1.0 0.0
CHACHAPOYAS 31.0 17.0 33.0 26.0
LUYA 2.0 1.0 1.0 0.0
RODRIGUEZ DE MENDOZA 0.0 0.0 0.0 1.0
... ... ... ... ... ... ...
2023 TUMBES ZARUMILLA 1.0 0.0 1.0 0.0
UCAYALI ATALAYA 3.0 0.0 1.0 4.0
CORONEL PORTILLO 340.0 327.0 313.0 331.0
PADRE ABAD 95.0 63.0 83.0 55.0
PURUS 2.0 0.0 0.0 1.0

859 rows × 4 columns

BY MONTH¶

In [67]:
# Por mes
indexList=['anio','mes','departamento','provincia','turno_text']
aggregator={'case':['sum']}
ByMonthPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
ByMonthPlace
Out[67]:
case
sum
anio mes departamento provincia turno_text
2018 1 AMAZONAS BAGUA 4_madrugada 1
ANCASH AIJA 2_noche 1
BOLOGNESI 1_mañana 3
CARHUAZ 1_mañana 1
3_tarde 2
... ... ... ... ... ...
2023 12 UCAYALI CORONEL PORTILLO 4_madrugada 34
PADRE ABAD 1_mañana 10
2_noche 4
3_tarde 2
4_madrugada 5

20255 rows × 1 columns

In [68]:
#long to wide
ByMonthPlace.unstack()
Out[68]:
case
sum
turno_text 1_mañana 2_noche 3_tarde 4_madrugada
anio mes departamento provincia
2018 1 AMAZONAS BAGUA NaN NaN NaN 1.0
ANCASH AIJA NaN 1.0 NaN NaN
BOLOGNESI 3.0 NaN NaN NaN
CARHUAZ 1.0 NaN 2.0 NaN
CASMA 1.0 NaN NaN NaN
... ... ... ... ... ... ... ...
2023 12 TACNA TACNA 91.0 92.0 80.0 59.0
TARATA 1.0 1.0 NaN NaN
TUMBES TUMBES 9.0 13.0 12.0 8.0
UCAYALI CORONEL PORTILLO 31.0 14.0 22.0 34.0
PADRE ABAD 10.0 4.0 2.0 5.0

6738 rows × 4 columns

In [69]:
# no missing values
ByMonthPlace_wide=ByYearPlace.unstack().fillna(0)
ByMonthPlace_wide
Out[69]:
case
sum
turno_text 1_mañana 2_noche 3_tarde 4_madrugada
anio departamento provincia
2018 AMAZONAS BAGUA 16.0 14.0 21.0 12.0
BONGARA 0.0 0.0 1.0 0.0
CHACHAPOYAS 31.0 17.0 33.0 26.0
LUYA 2.0 1.0 1.0 0.0
RODRIGUEZ DE MENDOZA 0.0 0.0 0.0 1.0
... ... ... ... ... ... ...
2023 TUMBES ZARUMILLA 1.0 0.0 1.0 0.0
UCAYALI ATALAYA 3.0 0.0 1.0 4.0
CORONEL PORTILLO 340.0 327.0 313.0 331.0
PADRE ABAD 95.0 63.0 83.0 55.0
PURUS 2.0 0.0 0.0 1.0

859 rows × 4 columns

BY DAY¶

In [70]:
indexList=['anio','dia','departamento','provincia','turno_text']
aggregator={'case':['sum']}
ByDayPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
ByDayPlace
Out[70]:
case
sum
anio dia departamento provincia turno_text
2018 1 AMAZONAS CHACHAPOYAS 1_mañana 1
2_noche 2
3_tarde 1
ANCASH BOLOGNESI 1_mañana 1
2_noche 1
... ... ... ... ... ...
2023 31 UCAYALI CORONEL PORTILLO 3_tarde 11
4_madrugada 10
PADRE ABAD 1_mañana 2
2_noche 1
3_tarde 1

43625 rows × 1 columns

In [71]:
#long to wide
ByDayPlace.unstack()
Out[71]:
case
sum
turno_text 1_mañana 2_noche 3_tarde 4_madrugada
anio dia departamento provincia
2018 1 AMAZONAS CHACHAPOYAS 1.0 2.0 1.0 NaN
ANCASH BOLOGNESI 1.0 1.0 NaN NaN
CARHUAZ 1.0 2.0 NaN NaN
CASMA 1.0 NaN NaN NaN
CORONGO NaN NaN 1.0 NaN
... ... ... ... ... ... ... ...
2023 31 TACNA JORGE BASADRE 1.0 NaN NaN NaN
TACNA 21.0 26.0 22.0 13.0
TUMBES TUMBES 4.0 3.0 1.0 4.0
UCAYALI CORONEL PORTILLO 6.0 3.0 11.0 10.0
PADRE ABAD 2.0 1.0 1.0 NaN

16047 rows × 4 columns

In [72]:
# no missing values
ByDayPlace_wide=ByYearPlace.unstack().fillna(0)
ByDayPlace_wide
Out[72]:
case
sum
turno_text 1_mañana 2_noche 3_tarde 4_madrugada
anio departamento provincia
2018 AMAZONAS BAGUA 16.0 14.0 21.0 12.0
BONGARA 0.0 0.0 1.0 0.0
CHACHAPOYAS 31.0 17.0 33.0 26.0
LUYA 2.0 1.0 1.0 0.0
RODRIGUEZ DE MENDOZA 0.0 0.0 0.0 1.0
... ... ... ... ... ... ...
2023 TUMBES ZARUMILLA 1.0 0.0 1.0 0.0
UCAYALI ATALAYA 3.0 0.0 1.0 4.0
CORONEL PORTILLO 340.0 327.0 313.0 331.0
PADRE ABAD 95.0 63.0 83.0 55.0
PURUS 2.0 0.0 0.0 1.0

859 rows × 4 columns

The idea is get the sgare of people in ALARM status. For that we need this:¶

Para los departamentos por años y delitos patrimoniales por las mañanas¶

  • Especial enfasis en 2023 porque ahí aumentaron los robos en las mañanas
  • En los años anteriores los robos ocurrían mayormente en las noches y en las tardes
In [73]:
sumCases=ByYearPlace_wide.sum(axis=1)
sumCases
Out[73]:
anio  departamento  provincia           
2018  AMAZONAS      BAGUA                     63.0
                    BONGARA                    1.0
                    CHACHAPOYAS              107.0
                    LUYA                       4.0
                    RODRIGUEZ DE MENDOZA       1.0
                                             ...  
2023  TUMBES        ZARUMILLA                  2.0
      UCAYALI       ATALAYA                    8.0
                    CORONEL PORTILLO        1311.0
                    PADRE ABAD               296.0
                    PURUS                      3.0
Length: 859, dtype: float64
In [74]:
# here you are:
shareManana=ByYearPlace_wide.loc[:,('case','sum','1_mañana')]/sumCases
shareManana.name='shareManana'
shareManana
Out[74]:
anio  departamento  provincia           
2018  AMAZONAS      BAGUA                   0.253968
                    BONGARA                 0.000000
                    CHACHAPOYAS             0.289720
                    LUYA                    0.500000
                    RODRIGUEZ DE MENDOZA    0.000000
                                              ...   
2023  TUMBES        ZARUMILLA               0.500000
      UCAYALI       ATALAYA                 0.375000
                    CORONEL PORTILLO        0.259344
                    PADRE ABAD              0.320946
                    PURUS                   0.666667
Name: shareManana, Length: 859, dtype: float64
In [75]:
shareManana=shareManana.reset_index()
shareManana
Out[75]:
anio departamento provincia shareManana
0 2018 AMAZONAS BAGUA 0.253968
1 2018 AMAZONAS BONGARA 0.000000
2 2018 AMAZONAS CHACHAPOYAS 0.289720
3 2018 AMAZONAS LUYA 0.500000
4 2018 AMAZONAS RODRIGUEZ DE MENDOZA 0.000000
... ... ... ... ...
854 2023 TUMBES ZARUMILLA 0.500000
855 2023 UCAYALI ATALAYA 0.375000
856 2023 UCAYALI CORONEL PORTILLO 0.259344
857 2023 UCAYALI PADRE ABAD 0.320946
858 2023 UCAYALI PURUS 0.666667

859 rows × 4 columns

In [76]:
where = shareManana.groupby(['anio','departamento'])['shareManana'].idxmax()
Manana_prov_year = shareManana.loc[where].reset_index(drop=True)
Manana_prov_year # Donde ocurren mas DP en las mañanas
Out[76]:
anio departamento provincia shareManana
0 2018 AMAZONAS LUYA 0.500000
1 2018 ANCASH OCROS 0.833333
2 2018 APURIMAC AYMARAES 0.500000
3 2018 AREQUIPA CONDESUYOS 0.500000
4 2018 AYACUCHO PAUCAR DEL SARA SARA 0.555556
... ... ... ... ...
143 2023 PUNO AZANGARO 0.292929
144 2023 SAN MARTIN HUALLAGA 0.444444
145 2023 TACNA TARATA 0.416667
146 2023 TUMBES ZARUMILLA 0.500000
147 2023 UCAYALI PURUS 0.666667

148 rows × 4 columns

In [77]:
Manana_prov_year.shareManana.describe()
Out[77]:
count    148.000000
mean       0.505290
std        0.263259
min        0.000000
25%        0.315789
50%        0.472136
75%        0.619048
max        1.000000
Name: shareManana, dtype: float64
In [78]:
# amount of worst provinces per region
len(Manana_prov_year.provincia.value_counts())
Out[78]:
88
In [79]:
# amount of worst provinces per region - cleaner
len(Manana_prov_year[Manana_prov_year.shareManana>0].provincia.value_counts())
Out[79]:
87

Some filtering:

In [80]:
Manana_prov_year_manana=Manana_prov_year[Manana_prov_year.shareManana>0].loc[:,['departamento','provincia']]
Manana_prov_year_manana.reset_index(drop=True,inplace=True)
Manana_prov_year_manana
Out[80]:
departamento provincia
0 AMAZONAS LUYA
1 ANCASH OCROS
2 APURIMAC AYMARAES
3 AREQUIPA CONDESUYOS
4 AYACUCHO PAUCAR DEL SARA SARA
... ... ...
139 PUNO AZANGARO
140 SAN MARTIN HUALLAGA
141 TACNA TARATA
142 TUMBES ZARUMILLA
143 UCAYALI PURUS

144 rows × 2 columns

In [81]:
indexList=['departamento','provincia']
aggregator={'provincia':['count']}
Manana_prov_year_manana_Frequency=Manana_prov_year_manana.groupby(indexList,observed=True).agg(aggregator)
Manana_prov_year_manana_Frequency
Out[81]:
provincia
count
departamento provincia
AMAZONAS CHACHAPOYAS 1
LUYA 2
RODRIGUEZ DE MENDOZA 1
ANCASH ANTONIO RAYMONDI 1
ASUNCION 1
... ... ...
TUMBES TUMBES 4
ZARUMILLA 2
UCAYALI CORONEL PORTILLO 3
PADRE ABAD 2
PURUS 1

87 rows × 1 columns

The count informs how many years a province was the most affected in the morning by DP:

In [82]:
Manana_prov_year_manana_Frequency.describe()
Out[82]:
provincia
count
count 87.000000
mean 1.655172
std 1.009577
min 1.000000
25% 1.000000
50% 1.000000
75% 2.000000
max 6.000000
In [83]:
# final look
Manana_prov_year_manana_Frequency.columns=['yearsAffected']
Manana_prov_year_manana_Frequency=Manana_prov_year_manana_Frequency[Manana_prov_year_manana_Frequency.yearsAffected>2]
Manana_prov_year_manana_Frequency.reset_index(inplace=True)
Manana_prov_year_manana_Frequency
Out[83]:
departamento provincia yearsAffected
0 ANCASH OCROS 3
1 AREQUIPA CAYLLOMA 3
2 CALLAO CALLAO 6
3 HUANUCO AMBO 3
4 JUNIN CHUPACA 3
5 LAMBAYEQUE CHICLAYO 3
6 LAMBAYEQUE FERREÑAFE 3
7 LORETO MAYNAS 3
8 MADRE DE DIOS TAHUAMANU 3
9 MOQUEGUA GENERAL SANCHEZ CERRO 5
10 PASCO DANIEL ALCIDES CARRION 3
11 PIURA AYABACA 3
12 PUNO AZANGARO 4
13 TACNA JORGE BASADRE 3
14 TUMBES TUMBES 4
15 UCAYALI CORONEL PORTILLO 3

Let's plot:

In [84]:
alt_mananaProv=alt.Chart(Manana_prov_year_manana_Frequency)

enc_mananaProv=alt_mananaProv.encode(
    y='departamento',
    x='provincia',
    text='yearsAffected:O',
    size='yearsAffected:O'
)

enc_mananaProv.mark_text()
Out[84]:

Let's try another info:¶

In [85]:
indexList=['anio','departamento','turno_text']
aggregator={'case':['sum']}
ByMananaDepa=delitos.groupby(indexList,observed=True).agg(aggregator)
ByMananaDepa_wide=ByMananaDepa.unstack().fillna(0)
ByMananaDepaAlarm=ByMananaDepa_wide.loc[:,('case','sum','1_mañana')]/ByMananaDepa_wide.sum(axis=1)
ByMananaDepaAlarm.name='mananaShare'

ByMananaDepaAlarm=ByMananaDepaAlarm.reset_index()
ByMananaDepaAlarm
Out[85]:
anio departamento mananaShare
0 2018 AMAZONAS 0.287179
1 2018 ANCASH 0.255558
2 2018 APURIMAC 0.269231
3 2018 AREQUIPA 0.209047
4 2018 AYACUCHO 0.294643
... ... ... ...
143 2023 PUNO 0.267521
144 2023 SAN MARTIN 0.246667
145 2023 TACNA 0.294522
146 2023 TUMBES 0.239198
147 2023 UCAYALI 0.271941

148 rows × 3 columns

In [86]:
ByMananaDepaAlarm.describe()
Out[86]:
anio mananaShare
count 148.000000 148.000000
mean 2020.500000 0.264699
std 1.724178 0.109349
min 2018.000000 0.000000
25% 2019.000000 0.225257
50% 2020.500000 0.258338
75% 2022.000000 0.285151
max 2023.000000 1.000000
In [87]:
ByMananaDepaAlarm_focus=ByMananaDepaAlarm[ByMananaDepaAlarm.mananaShare>0]
In [88]:
ByMananaDepaAlarm_focus.describe()
Out[88]:
anio mananaShare
count 144.000000 144.000000
mean 2020.520833 0.272051
std 1.733942 0.101378
min 2018.000000 0.133333
25% 2019.000000 0.226287
50% 2021.000000 0.258870
75% 2022.000000 0.286735
max 2023.000000 1.000000
In [89]:
edges=[-1, .10, .25, .5,1]
theLabels=["a.below10%","b.11-25%","c.26-50%","d.above50%"]
ByMananaDepaAlarm_focus.loc[:,"mananaLevels"]=pd.cut(ByMananaDepaAlarm_focus['mananaShare'],
                                            include_lowest=True,
                                            bins=edges, 
                                            labels=theLabels,
                                            ordered=True)

##
ByMananaDepaAlarm_focus.head()

C:\Users\user\AppData\Local\Temp\ipykernel_21612\2707099607.py:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  ByMananaDepaAlarm_focus.loc[:,"mananaLevels"]=pd.cut(ByMananaDepaAlarm_focus['mananaShare'],
Out[89]:
anio departamento mananaShare mananaLevels
0 2018 AMAZONAS 0.287179 c.26-50%
1 2018 ANCASH 0.255558 c.26-50%
2 2018 APURIMAC 0.269231 c.26-50%
3 2018 AREQUIPA 0.209047 b.11-25%
4 2018 AYACUCHO 0.294643 c.26-50%
In [90]:
alt_MananaDepa=alt.Chart(ByMananaDepaAlarm_focus).encode(x='anio:O',
                                                      y=alt.Y('departamento:N',
                                                              sort=alt.EncodingSortField(field='mananaShare',op='max',order='descending')))
enc1_MananaDepa=alt_MananaDepa.encode(
    color=alt.Color('mananaLevels:O').scale(scheme="lightgreyred", reverse=False)
)

enc1_MananaDepa.mark_rect()
Out[90]:
In [91]:
enc2_MananaDepa=alt_MananaDepa.encode(
    text=alt.Text('mananaShare:Q', format=".1f"),
    opacity=alt.condition('datum.mananaShare >= 0.3', alt.value(1), alt.value(0)))
enc2_MananaDepa.mark_text(fontStyle='bold')
Out[91]:
In [92]:
enc1_MananaDepa.mark_rect() + enc2_MananaDepa.mark_text()
Out[92]:

Fin de la tarea 1.2

1.3 Usar cualquier otra data, donde los procesos de agrupamiento, merge, reshape, entre otros, sean claves.¶

Primero hay que guardar una data sin algunas columnas:

In [93]:
# import pandas as pd

# # Definir la ruta al archivo en el entorno de Colab
# file_path = 'delitos-2018-23.pkl' # Solo delitos patrimoniales

# # Importar el archivo .pkl
# delitos_all = pd.read_pickle(file_path)
# delitos_all.info()
In [94]:
# # Analisis aoristico: 3 variables: anio, mes, dia

# # Asegurarnos de que las columnas 'anio', 'mes' y 'dia' estén en el tipo adecuado (Int64) y que puedan contener NaN
# delitos_all['anio'] = delitos_all['anio'].astype('Int64')
# delitos_all['mes'] = delitos_all['mes'].astype('Int64')
# delitos_all['dia'] = delitos_all['dia'].astype('Int64')

# # Renombrar las columnas temporalmente a 'year', 'month', 'day'
# delitos_all = delitos_all.rename(columns={'anio': 'year', 'mes': 'month', 'dia': 'day'})

# # Crear una columna de fecha combinando 'year', 'month' y 'day', manteniendo valores faltantes
# delitos_all['fecha'] = pd.to_datetime(
#     delitos_all[['year', 'month', 'day']],
#     errors='coerce'
# )

# # Revertir los nombres de las columnas si es necesario
# delitos_all = delitos_all.rename(columns={'year': 'anio', 'month': 'mes', 'day': 'dia'})

# # Crear una columna con el nombre del día de la semana, manteniendo valores faltantes
# delitos_all['nombre_dia'] = delitos_all['fecha'].dt.day_name()

# # Crear una columna con el nombre del mes, manteniendo valores faltantes
# delitos_all['nombre_mes'] = delitos_all['fecha'].dt.month_name()

# # Verifica los primeros registros para asegurarte de que los cambios se han aplicado correctamente
# print(delitos_all.head())
In [95]:
# selected_columns = [
#     'coordenadas', 'latitud','longitud','fecha', 'nombre_dia','nombre_mes',
#     'tiempo', 'anio', 'mes', 'dia', 'turno', 
#     'departamento', 'provincia', 'distrito', 
#     'tipo_delito', 'subtipo', 'modalidad', 
#     'macroregion', 'region_pol', 'ubigeo'
# ]
# # Filtrar el DataFrame para incluir solo las columnas seleccionadas
# delitos = delitos_all[selected_columns]

# delitos = delitos[delitos['tipo_delito'] == 'PATRIMONIO (DELITO)']

# delitos = delitos[delitos['macroregion'] == 'LIMA']

# # Agregar una columna 'case' con valor constante de 1
# delitos['case'] = 1
In [96]:
# delitos.info()
In [97]:
# # Guardamos nuevo df 
# archivo_pkl = 'delitos_dp.pkl'

# #Guardar el DataFrame en formato pickle
# delitos.to_pickle(archivo_pkl)

Nota:¶

  • Para comentar el comentario: Primero seleccionar

-> ctrl + k -> luego: ctrl + c

  • Para remover el comentario: Primero seleccionar

-> ctrl + k -> luego: ctrl + u

Ahora sí continuamos con la última tarea¶

In [98]:
import pandas as pd

# Definir la ruta al archivo en el entorno de Colab
file_path = 'delitos_dp.pkl' # Solo delitos patrimoniales

# Importar el archivo .pkl
delitos = pd.read_pickle(file_path)
delitos.info()

<class 'pandas.core.frame.DataFrame'>
Index: 273471 entries, 6069 to 868821
Data columns (total 21 columns):
 #   Column        Non-Null Count   Dtype         
---  ------        --------------   -----         
 0   coordenadas   273471 non-null  object        
 1   latitud       273471 non-null  float64       
 2   longitud      273471 non-null  float64       
 3   fecha         273471 non-null  datetime64[ns]
 4   nombre_dia    273471 non-null  object        
 5   nombre_mes    273471 non-null  object        
 6   tiempo        273471 non-null  float64       
 7   anio          273471 non-null  Int64         
 8   mes           273471 non-null  Int64         
 9   dia           273471 non-null  Int64         
 10  turno         273471 non-null  object        
 11  departamento  273471 non-null  object        
 12  provincia     273471 non-null  object        
 13  distrito      273471 non-null  object        
 14  tipo_delito   273471 non-null  object        
 15  subtipo       273471 non-null  object        
 16  modalidad     273471 non-null  object        
 17  macroregion   273471 non-null  object        
 18  region_pol    273471 non-null  object        
 19  ubigeo        273471 non-null  object        
 20  case          273471 non-null  int64         
dtypes: Int64(3), datetime64[ns](1), float64(3), int64(1), object(13)
memory usage: 46.7+ MB
In [99]:
unique_days = delitos['provincia'].unique()

# Mostrar los valores únicos
print(unique_days)

['LIMA' 'OYON' 'CAÑETE' 'HUAROCHIRI' 'YAUYOS' 'HUAURA' 'CALLAO' 'HUARAL'
 'BARRANCA' 'CAJATAMBO']
In [100]:
delitos = delitos[delitos['provincia'] == 'LIMA']
In [101]:
# Each row is a person:
delitos.head()
Out[101]:
coordenadas latitud longitud fecha nombre_dia nombre_mes tiempo anio mes dia ... departamento provincia distrito tipo_delito subtipo modalidad macroregion region_pol ubigeo case
6069 [-76.99731919999994, -12.060616599999946] -12.060617 -76.997319 2021-10-25 Monday October 1.635120e+12 2021 10 25 ... LIMA LIMA EL AGUSTINO PATRIMONIO (DELITO) RECEPTACION RECEPTACION LIMA LIMA 150111 1
6070 [-76.99978599999997, -12.060564499999941] -12.060564 -76.999786 2018-03-25 Sunday March 1.521936e+12 2018 3 25 ... LIMA LIMA EL AGUSTINO PATRIMONIO (DELITO) ROBO ROBO LIMA LIMA 150111 1
6071 [-76.99988339999999, -12.060501099999954] -12.060501 -76.999883 2023-10-14 Saturday October 1.697242e+12 2023 10 14 ... LIMA LIMA EL AGUSTINO PATRIMONIO (DELITO) HURTO HURTO LIMA LIMA 150111 1
6075 [-76.99981479999997, -12.060487299999977] -12.060487 -76.999815 2021-06-14 Monday June 1.623629e+12 2021 6 14 ... LIMA LIMA EL AGUSTINO PATRIMONIO (DELITO) HURTO HURTO LIMA LIMA 150111 1
6076 [-76.99981479999997, -12.060487299999977] -12.060487 -76.999815 2021-09-20 Monday September 1.632096e+12 2021 9 20 ... LIMA LIMA EL AGUSTINO PATRIMONIO (DELITO) HURTO HURTO AGRAVADO LIMA LIMA 150111 1

5 rows × 21 columns

In [102]:
# some exploration
delitos.describe().apply(lambda s: s.apply('{0:.5f}'.format))
Out[102]:
latitud longitud fecha tiempo anio mes dia case
count 268607.00000 268607.00000 268607.00000 268607.00000 268607.00000 268607.00000 268607.00000 268607.00000
mean -12.03253 -77.01969 .5f 1619294208558.97266 2020.81097 6.56477 15.69352 1.00000
min -12.49236 -77.18918 .5f 1514764800000.00000 2018.00000 1.00000 1.00000 1.00000
25% -12.08885 -77.06328 .5f 1556928000000.00000 2019.00000 3.00000 8.00000 1.00000
50% -12.03446 -77.02667 .5f 1631750400000.00000 2021.00000 7.00000 16.00000 1.00000
75% -11.97052 -76.99398 .5f 1677283200000.00000 2023.00000 10.00000 23.00000 1.00000
max -11.67495 -76.67267 .5f 1703980800000.00000 2023.00000 12.00000 31.00000 1.00000
std 0.08245 0.05997 nan 61698975534.52666 1.90766 3.54065 8.74664 0.00000
In [103]:
# exploring
delitos.nombre_dia.value_counts()
#delitos.nombre_mes.value_counts() # Considerar realizar este cambio
#delitos.turno.value_counts() # Considerar realizar este cambio

# En Lima, entre 2018 y 2023, los delitos patrimoniales (DP) se registraron con mayor frecuencia los sábados del mes de diciembre durante el turno nocturno.
Out[103]:
nombre_dia
Saturday     42415
Friday       41257
Thursday     39813
Wednesday    39101
Tuesday      37064
Monday       36365
Sunday       32592
Name: count, dtype: int64
In [104]:
delitos['turno_text']=delitos.turno.astype(str)

delitos.replace({'turno_text':{'Monday':'1_Monday','noche':'2_noche','tarde':'3_tarde','madrugada':'4_madrugada'}},inplace=True)
In [105]:
delitos['mes_text'] = delitos['mes'].astype(str)

delitos.replace({'mes_text': {
    '1': '1_January',
    '2': '2_February',
    '3': '3_March',
    '4': '4_April',
    '5': '5_May',
    '6': '6_June',
    '7': '7_July',
    '8': '8_August',
    '9': '9_September',
    '10': '10_October',
    '11': '11_November',
    '12': '12_December'
}}, inplace=True)
In [106]:
delitos['dia_text'] = delitos['dia'].astype(str)

delitos.replace({'dia_text': {
    '1': '1_Monday',
    '2': '2_Tuesday',
    '3': '3_Wednesday',
    '4': '4_Thursday',
    '5': '5_Friday',
    '6': '6_Saturday',
    '7': '7_Sunday'
}}, inplace=True)
In [107]:
# exploring
delitos.anio.value_counts(sort=False)
Out[107]:
anio
2021    33835
2018    51653
2023    77669
2022    44831
2019    35366
2020    25253
Name: count, dtype: Int64
In [108]:
# 16 de marzo 2020 confinamiento peru hasta fin 1 de julio de 2020
# termino el estado de emergencia: 27 de octubre de 2022
In [109]:
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
delitos['semana'] = delitos['fecha'].dt.isocalendar().week
# Agrega aquí tu lógica para obtener los datos semanales

semana_counts = delitos['semana'].value_counts().sort_index()

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(semana_counts.index, semana_counts.values, color='k', linewidth=1.3, marker='o', markersize=8, markeredgecolor='white')
ax.set_title('Número de Robos por Semana')
ax.set_xlabel('Semana')
ax.set_ylabel('Número de Robos')
ax.grid(True)
fig.show()

C:\Users\user\AppData\Local\Temp\ipykernel_21612\1844420484.py:15: UserWarning: FigureCanvasAgg is non-interactive, and thus cannot be shown
  fig.show()
No description has been provided for this image
In [110]:
# import matplotlib.pyplot as plt
import matplotlib.dates as mdates
# import pandas as pd
# import numpy as np

# # Supongamos que 'delitos' es tu DataFrame y ya tienes la columna 'fecha'
# delitos['semana'] = delitos['fecha'].dt.isocalendar().week
# delitos['anio'] = delitos['fecha'].dt.year

# Agrupar por año y semana y contar los robos
semana_counts = delitos.groupby(['anio', 'semana']).size().reset_index(name='conteo')

# Crear una columna de fecha que combine año y semana para el gráfico
semana_counts['fecha'] = semana_counts.apply(lambda x: pd.to_datetime(f'{int(x.anio)}-W{x.semana}-1', format="%Y-W%W-%w"), axis=1)

# Filtrar el rango de fechas de 2018 a 2023
semana_counts = semana_counts[(semana_counts['fecha'] >= '2018-01-01') & (semana_counts['fecha'] <= '2023-12-31')]

# Crear datos de ejemplo para las barras de error
np.random.seed(0)  # Para reproducibilidad
error = np.random.uniform(0, 50, size=len(semana_counts))

fig, ax = plt.subplots(figsize=(16, 8))

# Graficar los datos semanales
ax.plot(semana_counts['fecha'], semana_counts['conteo'], color='k', linewidth=1.3, marker='o', markersize=6, markeredgecolor='white', label='Conteo de Robos')

# Añadir áreas de error alrededor de la línea
ax.fill_between(semana_counts['fecha'], 
                semana_counts['conteo'] - error, 
                semana_counts['conteo'] + error, 
                color='gray', alpha=0.5, label='Área de Error')

# Añadir área sombreada para la cuarentena
start_quarantine = pd.Timestamp('2020-03-16')
end_quarantine = pd.Timestamp('2020-07-01')
ax.axvspan(start_quarantine, end_quarantine, color='blue', alpha=0.2, label='Cuarentena 2020')

# Añadir línea vertical para el fin del estado de emergencia
end_emergency = pd.Timestamp('2022-10-27')
ax.axvline(end_emergency, color='red', linestyle='--', linewidth=2, label='Fin Estado de Emergencia 2022')

# Configuración de etiquetas y leyenda
ax.set_title('Delitos patrimoniales en Lima por Semana (2018-2023)')
ax.set_xlabel('Fecha')
ax.set_ylabel('Número de delitos patrimoniales')
ax.grid(True)
ax.legend(loc='upper left')

# Mejorar formato del eje X
ax.xaxis.set_major_locator(mdates.YearLocator())  # Ubica una etiqueta cada año
ax.xaxis.set_minor_locator(mdates.MonthLocator())  # Ubica etiquetas menores cada mes
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))  # Formato de fecha

fig.autofmt_xdate()  # Ajustar las fechas en el eje x para mejor legibilidad
plt.tight_layout()  # Ajustar el diseño para que no se corten las etiquetas

plt.show()
No description has been provided for this image
In [111]:
# import matplotlib.pyplot as plt
# import matplotlib.dates as mdates
# import pandas as pd
# import numpy as np

# Supongamos que 'delitos' es tu DataFrame y ya tienes la columna 'fecha'
delitos['mes'] = delitos['fecha'].dt.to_period('M')  # Convertir fecha a periodo mensual
mensual_counts = delitos.groupby('mes').size().reset_index(name='conteo')
mensual_counts['fecha'] = mensual_counts['mes'].dt.to_timestamp()  # Convertir periodo a timestamp

# Filtrar el rango de fechas de 2018 a 2023
mensual_counts = mensual_counts[(mensual_counts['fecha'] >= '2018-01-01') & (mensual_counts['fecha'] <= '2023-12-31')]

# Crear datos de ejemplo para las barras de error
np.random.seed(0)  # Para reproducibilidad
error = np.random.uniform(0, 300, size=len(mensual_counts))

fig, ax = plt.subplots(figsize=(16, 8))  # Gráfico más ancho

# Graficar los datos mensuales
ax.plot(mensual_counts['fecha'], mensual_counts['conteo'], color='k', linewidth=1.3, marker='o', markersize=6, markeredgecolor='white', label='Conteo de Robos')

# Añadir áreas de error alrededor de la línea
ax.fill_between(mensual_counts['fecha'], 
                mensual_counts['conteo'] - error, 
                mensual_counts['conteo'] + error, 
                color='gray', alpha=0.5, label='Área de Error')

# Añadir área sombreada para la cuarentena
start_quarantine = pd.Timestamp('2020-03-16')
end_quarantine = pd.Timestamp('2020-07-01')
ax.axvspan(start_quarantine, end_quarantine, color='blue', alpha=0.2, label='Cuarentena 2020')

# Añadir línea vertical para el fin del estado de emergencia
end_emergency = pd.Timestamp('2022-10-27')
ax.axvline(end_emergency, color='red', linestyle='--', linewidth=2, label='Fin Estado de Emergencia 2022')

# Configuración de etiquetas y leyenda
ax.set_title('Delitos patrimoniales en Lima por mes (2018-2023)')
ax.set_xlabel('Fecha')
ax.set_ylabel('Número de Robos')
ax.grid(True)
ax.legend(loc='upper left')

# Mejorar formato del eje X
ax.xaxis.set_major_locator(mdates.YearLocator())  # Ubica una etiqueta cada año
ax.xaxis.set_minor_locator(mdates.MonthLocator())  # Ubica etiquetas menores cada mes
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))  # Formato de fecha

fig.autofmt_xdate()  # Ajustar las fechas en el eje x para mejor legibilidad
plt.tight_layout()  # Ajustar el diseño para que no se corten las etiquetas

plt.show()
No description has been provided for this image
In [112]:
# import matplotlib.pyplot as plt
# import pandas as pd
# import numpy as np

# Supongamos que 'delitos' es tu DataFrame y ya tienes la columna 'fecha'
delitos['mes'] = delitos['fecha'].dt.month
delitos['anio'] = delitos['fecha'].dt.year

# Agrupar los datos por mes y año
mensual_counts = delitos.groupby(['anio', 'mes']).size().reset_index(name='conteo')

# Configuración del gráfico
fig, ax = plt.subplots(figsize=(14, 8))

# Colores para cada año
colors = plt.cm.get_cmap('tab10', len(mensual_counts['anio'].unique()))

# Graficar los datos para cada año
for anio in mensual_counts['anio'].unique():
    data = mensual_counts[mensual_counts['anio'] == anio]
    ax.plot(data['mes'], data['conteo'], marker='o', markersize=6, label=f'Año {anio}', color=colors(anio % 10))

# Añadir áreas y líneas de referencia
start_quarantine = pd.Timestamp('2020-03-16').month
end_quarantine = pd.Timestamp('2020-07-01').month
ax.axvspan(start_quarantine, end_quarantine, color='blue', alpha=0.2, label='Cuarentena 2020')

end_emergency = pd.Timestamp('2022-10-27').month
ax.axvline(end_emergency, color='red', linestyle='--', linewidth=2, label='Fin Estado de Emergencia 2022')

# Configuración de etiquetas y leyenda
ax.set_title('Delitos patrimoniales en Lima por año (2018-2023)')
ax.set_xlabel('Mes')
ax.set_ylabel('Número de Delitos')
ax.set_xticks(range(1, 13))  # Meses del año
ax.set_xticklabels([
    'Ene', 'Feb', 'Mar', 'Abr', 'May', 'Jun',
    'Jul', 'Ago', 'Sep', 'Oct', 'Nov', 'Dic'
])
ax.grid(True)
ax.legend(loc='upper left')

plt.tight_layout()  # Ajustar el diseño para que no se corten las etiquetas
plt.show()

C:\Users\user\AppData\Local\Temp\ipykernel_21612\2440628370.py:16: MatplotlibDeprecationWarning: The get_cmap function was deprecated in Matplotlib 3.7 and will be removed two minor releases later. Use ``matplotlib.colormaps[name]`` or ``matplotlib.colormaps.get_cmap(obj)`` instead.
  colors = plt.cm.get_cmap('tab10', len(mensual_counts['anio'].unique()))
No description has been provided for this image
In [113]:
import pandas as pd
import matplotlib.pyplot as plt
from pylab import cm

# Supongamos que 'delitos' es tu DataFrame con las columnas 'dia', 'mes', 'anio' y 'conteo'
# Asegúrate de tener 'delitos' con datos adecuados en 'dia', 'mes', 'anio', y 'conteo'

# Crear una tabla pivot con días y meses, sumando los delitos para cada combinación
heatmap_data = delitos.groupby(['mes_text','dia'])['case'].sum().reset_index()
heatmap_pivot = heatmap_data.pivot(index='mes_text', columns='dia', values='case')

# Configuración del colormap
cmap = cm.get_cmap("PuRd", 5)

# Crear el gráfico
fig, ax = plt.subplots(figsize=(10, 6))
cbar = ax.figure.colorbar(ax.imshow(heatmap_pivot, cmap=cmap), ax=ax, location='bottom', pad=0.05)

# Configurar los ticks y etiquetas
ax.set_xticks(range(len(heatmap_pivot.columns)))
ax.set_xticklabels(heatmap_pivot.columns, rotation=45)
ax.set_yticks(range(len(heatmap_pivot.index)))
ax.set_yticklabels(heatmap_pivot.index)

# Configurar la grilla
ax.grid(False)
ax.set_xlabel('Día')
ax.set_ylabel('Mes')
ax.set_title('Número de Delitos por Día y Mes')

plt.tight_layout()
plt.show()

C:\Users\user\AppData\Local\Temp\ipykernel_21612\66363685.py:13: MatplotlibDeprecationWarning: The get_cmap function was deprecated in Matplotlib 3.7 and will be removed two minor releases later. Use ``matplotlib.colormaps[name]`` or ``matplotlib.colormaps.get_cmap(obj)`` instead.
  cmap = cm.get_cmap("PuRd", 5)
No description has been provided for this image
In [114]:
import pandas as pd
import matplotlib.pyplot as plt

# Especifica el distrito que quieres seleccionar
distrito_seleccionado = 'SAN JUAN DE LURIGANCHO'  # Reemplaza 'NombreDelDistrito' por el nombre real del distrito

# Filtrar los datos por el distrito seleccionado
distrito_data = delitos[delitos['distrito'] == distrito_seleccionado].copy()

# Agrupar los datos por día y año, sumando los conteos
agrupados_dia = distrito_data.groupby(['dia', 'anio'])['case'].sum().unstack()

# Crear un gráfico para delitos por día
fig, ax = plt.subplots(figsize=(10, 5))
agrupados_dia.plot(ax=ax)
    
# Personalizar el gráfico
ax.set_title(f'Delitos por Día - {distrito_seleccionado}')
ax.set_xlabel('Día')
ax.set_ylabel('Conteo de Delitos')
ax.legend(title='Año')

# Mostrar el gráfico
plt.show()
No description has been provided for this image
In [115]:
# Agrupar los datos por turno y año, sumando los conteos
agrupados_turno = delitos.groupby(['turno', 'anio'])['case'].sum().unstack()

# Crear un gráfico para delitos por turno
fig, ax = plt.subplots(figsize=(10, 5))
agrupados_turno.plot(ax=ax)

# Personalizar el gráfico
ax.set_title(f'Delitos por Turno - {distrito_seleccionado}')
ax.set_xlabel('Turno')
ax.set_ylabel('Conteo de Delitos')
ax.legend(title='Año')

# Mostrar el gráfico
plt.show()
No description has been provided for this image
In [ ]:

Mining location¶

Let's use provincia: LIMA 2018-2023

BY MONTH¶

In [116]:
# Por año
indexList=['anio','provincia','distrito']
aggregator={'case':['sum']}
ByYearPlace=delitos.groupby(indexList,observed=True).agg(aggregator)

#long to wide
ByYearPlace.unstack()
Out[116]:
case
sum
distrito ANCON ATE BARRANCO BREÑA CARABAYLLO CHACLACAYO CHORRILLOS CIENEGUILLA COMAS EL AGUSTINO ... SAN JUAN DE MIRAFLORES SAN LUIS SAN MARTIN DE PORRES SAN MIGUEL SANTA ANITA SANTA ROSA SANTIAGO DE SURCO SURQUILLO VILLA EL SALVADOR VILLA MARIA DEL TRIUNFO
anio provincia
2018 LIMA 267.0 2974.0 1099.0 479.0 218.0 200.0 1404.0 NaN 3868.0 424.0 ... 192.0 71.0 5787.0 269.0 2267.0 101.0 2153.0 958.0 6.0 710.0
2019 LIMA 298.0 1942.0 1050.0 414.0 181.0 102.0 677.0 NaN 3262.0 387.0 ... 217.0 78.0 2870.0 216.0 1854.0 83.0 1369.0 309.0 6.0 740.0
2020 LIMA 304.0 1094.0 202.0 350.0 109.0 129.0 470.0 1.0 2112.0 385.0 ... 126.0 93.0 1942.0 253.0 678.0 72.0 737.0 822.0 2.0 503.0
2021 LIMA 247.0 1360.0 354.0 499.0 223.0 168.0 891.0 NaN 2611.0 319.0 ... 116.0 116.0 2312.0 474.0 1195.0 53.0 1216.0 1652.0 1.0 559.0
2022 LIMA 415.0 1821.0 921.0 409.0 270.0 200.0 2192.0 NaN 2797.0 383.0 ... 143.0 159.0 4487.0 411.0 1449.0 91.0 2126.0 868.0 16.0 906.0
2023 LIMA 564.0 3117.0 1464.0 902.0 410.0 410.0 3290.0 3.0 4664.0 578.0 ... 348.0 262.0 8139.0 831.0 2750.0 124.0 3153.0 1776.0 84.0 1407.0

6 rows × 42 columns

In [117]:
# Por año y turnos
indexList=['anio','provincia','distrito','turno_text']
aggregator={'case':['sum']}
ByYearPlace_turno=delitos.groupby(indexList,observed=True).agg(aggregator)

#long to wide
ByYearPlace_turno.unstack()
Out[117]:
case
sum
turno_text 2_noche 3_tarde 4_madrugada mañana
anio provincia distrito
2018 LIMA ANCON 86.0 70.0 65.0 46.0
ATE 1000.0 782.0 618.0 574.0
BARRANCO 352.0 237.0 304.0 206.0
BREÑA 172.0 146.0 70.0 91.0
CARABAYLLO 76.0 54.0 48.0 40.0
... ... ... ... ... ... ...
2023 LIMA SANTA ROSA 39.0 35.0 21.0 29.0
SANTIAGO DE SURCO 937.0 1013.0 366.0 837.0
SURQUILLO 507.0 488.0 225.0 556.0
VILLA EL SALVADOR 10.0 6.0 56.0 12.0
VILLA MARIA DEL TRIUNFO 462.0 306.0 255.0 384.0

236 rows × 4 columns

In [118]:
# no missing values
# ByYearPlace_wide=ByYearPlace.unstack().fillna(0)
# ByYearPlace_wide

BY MONTH¶

In [119]:
# Por mes
indexList=['anio','mes_text','provincia','distrito']
aggregator={'case':['sum']}
ByMonthPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
#long to wide
ByMonthPlace.unstack()
Out[119]:
case
sum
distrito ANCON ATE BARRANCO BREÑA CARABAYLLO CHACLACAYO CHORRILLOS CIENEGUILLA COMAS EL AGUSTINO ... SAN JUAN DE MIRAFLORES SAN LUIS SAN MARTIN DE PORRES SAN MIGUEL SANTA ANITA SANTA ROSA SANTIAGO DE SURCO SURQUILLO VILLA EL SALVADOR VILLA MARIA DEL TRIUNFO
anio mes_text provincia
2018 10_October LIMA 31.0 265.0 93.0 41.0 26.0 9.0 120.0 NaN 355.0 52.0 ... 21.0 4.0 440.0 19.0 109.0 13.0 149.0 75.0 NaN 77.0
11_November LIMA 22.0 223.0 88.0 38.0 29.0 29.0 109.0 NaN 350.0 45.0 ... 15.0 11.0 427.0 20.0 131.0 4.0 115.0 66.0 1.0 61.0
12_December LIMA 27.0 296.0 125.0 50.0 29.0 24.0 60.0 NaN 340.0 39.0 ... 20.0 5.0 374.0 38.0 173.0 5.0 152.0 57.0 NaN 71.0
1_January LIMA 34.0 272.0 59.0 52.0 8.0 14.0 115.0 NaN 305.0 30.0 ... 16.0 5.0 507.0 17.0 306.0 7.0 151.0 114.0 1.0 43.0
2_February LIMA 24.0 280.0 95.0 44.0 9.0 10.0 120.0 NaN 372.0 31.0 ... 17.0 4.0 537.0 13.0 295.0 9.0 164.0 65.0 NaN 46.0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2023 5_May LIMA 32.0 287.0 110.0 65.0 39.0 40.0 312.0 NaN 400.0 59.0 ... 31.0 22.0 729.0 55.0 226.0 7.0 249.0 136.0 13.0 128.0
6_June LIMA 35.0 260.0 113.0 77.0 29.0 31.0 303.0 1.0 349.0 45.0 ... 22.0 21.0 665.0 59.0 277.0 11.0 192.0 114.0 5.0 104.0
7_July LIMA 47.0 246.0 87.0 52.0 22.0 32.0 173.0 NaN 314.0 53.0 ... 24.0 19.0 598.0 70.0 202.0 7.0 201.0 159.0 1.0 99.0
8_August LIMA 46.0 215.0 119.0 63.0 20.0 27.0 211.0 1.0 383.0 57.0 ... 23.0 20.0 767.0 70.0 227.0 9.0 238.0 123.0 1.0 85.0
9_September LIMA 44.0 244.0 108.0 92.0 33.0 37.0 261.0 NaN 361.0 57.0 ... 35.0 20.0 716.0 87.0 244.0 8.0 292.0 134.0 2.0 110.0

72 rows × 42 columns

In [120]:
# Por mes
indexList=['anio','mes_text','provincia','distrito','turno_text']
aggregator={'case':['sum']}
ByMonthPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
#long to wide
ByMonthPlace.unstack()
Out[120]:
case
sum
turno_text 2_noche 3_tarde 4_madrugada mañana
anio mes_text provincia distrito
2018 10_October LIMA ANCON 17.0 5.0 6.0 3.0
ATE 76.0 76.0 57.0 56.0
BARRANCO 37.0 16.0 24.0 16.0
BREÑA 14.0 8.0 10.0 9.0
CARABAYLLO 7.0 8.0 6.0 5.0
... ... ... ... ... ... ... ...
2023 9_September LIMA SANTA ROSA 4.0 3.0 NaN 1.0
SANTIAGO DE SURCO 94.0 96.0 25.0 77.0
SURQUILLO 41.0 47.0 10.0 36.0
VILLA EL SALVADOR 1.0 NaN 1.0 NaN
VILLA MARIA DEL TRIUNFO 44.0 23.0 19.0 24.0

2593 rows × 4 columns

BY DAY¶

In [121]:
indexList=['anio','dia','provincia','distrito']
aggregator={'case':['sum']}
ByDayPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
#long to wide
ByDayPlace.unstack()
Out[121]:
case
sum
distrito ANCON ATE BARRANCO BREÑA CARABAYLLO CHACLACAYO CHORRILLOS CIENEGUILLA COMAS EL AGUSTINO ... SAN JUAN DE MIRAFLORES SAN LUIS SAN MARTIN DE PORRES SAN MIGUEL SANTA ANITA SANTA ROSA SANTIAGO DE SURCO SURQUILLO VILLA EL SALVADOR VILLA MARIA DEL TRIUNFO
anio dia provincia
2018 1 LIMA 14.0 91.0 46.0 27.0 5.0 9.0 42.0 NaN 145.0 10.0 ... 8.0 4.0 214.0 7.0 87.0 2.0 82.0 27.0 1.0 31.0
2 LIMA 8.0 125.0 32.0 17.0 2.0 8.0 59.0 NaN 129.0 15.0 ... 1.0 4.0 172.0 7.0 92.0 2.0 83.0 28.0 NaN 25.0
3 LIMA 16.0 98.0 41.0 17.0 2.0 6.0 40.0 NaN 133.0 14.0 ... 7.0 1.0 180.0 8.0 81.0 2.0 66.0 46.0 NaN 25.0
4 LIMA 4.0 91.0 30.0 12.0 6.0 8.0 46.0 NaN 117.0 19.0 ... 8.0 5.0 203.0 13.0 65.0 1.0 69.0 42.0 NaN 28.0
5 LIMA 9.0 99.0 36.0 15.0 10.0 8.0 42.0 NaN 156.0 15.0 ... 4.0 2.0 192.0 10.0 93.0 2.0 82.0 41.0 NaN 26.0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2023 27 LIMA 14.0 74.0 38.0 22.0 11.0 11.0 105.0 NaN 138.0 14.0 ... 16.0 14.0 239.0 23.0 86.0 2.0 97.0 61.0 3.0 41.0
28 LIMA 16.0 93.0 62.0 33.0 13.0 5.0 120.0 NaN 138.0 25.0 ... 11.0 12.0 259.0 30.0 88.0 5.0 109.0 45.0 9.0 43.0
29 LIMA 15.0 92.0 40.0 34.0 12.0 17.0 124.0 NaN 127.0 21.0 ... 15.0 13.0 208.0 20.0 86.0 2.0 71.0 47.0 1.0 58.0
30 LIMA 22.0 77.0 41.0 25.0 10.0 14.0 100.0 NaN 147.0 13.0 ... 12.0 8.0 235.0 30.0 89.0 2.0 72.0 66.0 1.0 30.0
31 LIMA 15.0 54.0 29.0 13.0 9.0 11.0 62.0 NaN 85.0 11.0 ... 6.0 4.0 171.0 15.0 46.0 2.0 69.0 36.0 NaN 35.0

186 rows × 42 columns

In [122]:
indexList=['anio','dia','provincia','distrito','turno_text']
aggregator={'case':['sum']}
ByDayPlace=delitos.groupby(indexList,observed=True).agg(aggregator)
#long to wide
ByDayPlace.unstack()
Out[122]:
case
sum
turno_text 2_noche 3_tarde 4_madrugada mañana
anio dia provincia distrito
2018 1 LIMA ANCON 5.0 1.0 4.0 4.0
ATE 29.0 22.0 25.0 15.0
BARRANCO 17.0 6.0 17.0 6.0
BREÑA 9.0 7.0 6.0 5.0
CARABAYLLO 2.0 2.0 NaN 1.0
... ... ... ... ... ... ... ...
2023 31 LIMA SANTA ANITA 13.0 9.0 11.0 13.0
SANTA ROSA 1.0 NaN 1.0 NaN
SANTIAGO DE SURCO 19.0 26.0 5.0 19.0
SURQUILLO 14.0 9.0 3.0 10.0
VILLA MARIA DEL TRIUNFO 8.0 13.0 8.0 6.0

6543 rows × 4 columns

Para los distritos por años y delitos patrimoniales¶

  • Especial enfasis en 2023 porque ahí aumentaron los robos en las mañanas
  • En los años anteriores los robos ocurrían mayormente en las noches y en las tardes
In [123]:
# Solo las frecuencias de los distritos de la provincia de LIMA
sumCases=ByYearPlace.sum(axis=1)
sumCases
Out[123]:
anio  provincia  distrito               
2018  LIMA       ANCON                       267
                 ATE                        2974
                 BARRANCO                   1099
                 BREÑA                       479
                 CARABAYLLO                  218
                                            ... 
2023  LIMA       SANTA ROSA                  124
                 SANTIAGO DE SURCO          3153
                 SURQUILLO                  1776
                 VILLA EL SALVADOR            84
                 VILLA MARIA DEL TRIUNFO    1407
Length: 236, dtype: int64

Mil casos¶

  • Luego de revisar la data graficamente identificamos distritos en los que el delito se mantiene por debajo de los mil delitos
  • Cuáles son los factores que explican que estos distritos hayan manejado relativamente bien los delitos patrimoniales durante estos años?
In [124]:
import pandas as pd

# Filtrar los datos para el rango de años de interés
delitos_filtrados = delitos[(delitos['anio'] >= 2018) & (delitos['anio'] <= 2023)]

# Sumar delitos por distrito y filtrar distritos con menos de 1000 delitos
distritos_menor_1000 = delitos_filtrados.groupby('distrito')['case'].sum()
distritos_menor_1000 = distritos_menor_1000[distritos_menor_1000 < 1000].index

# Filtrar el DataFrame original para incluir solo los distritos con menos de 1000 delitos
delitos_menor_1000 = delitos_filtrados[delitos_filtrados['distrito'].isin(distritos_menor_1000)]

# Verificar el resultado
print(delitos_menor_1000.head())

                                    coordenadas    latitud   longitud  \
7017  [-76.99894889999996, -12.060522299999946] -12.060522 -76.998949   
7018  [-76.99920149999997, -12.060538299999962] -12.060538 -76.999201   
7019  [-76.99920149999997, -12.060538299999962] -12.060538 -76.999201   
7020  [-76.99920149999997, -12.060538299999962] -12.060538 -76.999201   
7021  [-76.99920149999997, -12.060538299999962] -12.060538 -76.999201   

          fecha nombre_dia nombre_mes        tiempo  anio  mes  dia  ...  \
7017 2022-03-31   Thursday      March  1.648685e+12  2022    3   31  ...   
7018 2023-10-30     Monday    October  1.698624e+12  2023   10   30  ...   
7019 2023-11-21    Tuesday   November  1.700525e+12  2023   11   21  ...   
7020 2023-11-22  Wednesday   November  1.700611e+12  2023   11   22  ...   
7021 2023-11-27     Monday   November  1.701043e+12  2023   11   27  ...   

     subtipo       modalidad macroregion region_pol  ubigeo case turno_text  \
7017   HURTO  HURTO AGRAVADO        LIMA       LIMA  150134    1     mañana   
7018    ROBO            ROBO        LIMA       LIMA  150134    1     mañana   
7019    ROBO            ROBO        LIMA       LIMA  150134    1     mañana   
7020    ROBO            ROBO        LIMA       LIMA  150134    1     mañana   
7021    ROBO            ROBO        LIMA       LIMA  150134    1     mañana   

         mes_text dia_text semana  
7017      3_March       31     13  
7018   10_October       30     44  
7019  11_November       21     47  
7020  11_November       22     47  
7021  11_November       27     48  

[5 rows x 25 columns]
In [125]:
#delitos_menor_mil.info()
unique_dis = delitos_menor_1000['distrito'].unique()

# Mostrar los valores únicos
print(unique_dis)

['SAN LUIS' 'PUCUSANA' 'INDEPENDENCIA' 'SANTA ROSA' 'PUEBLO LIBRE'
 'CIENEGUILLA' 'LURIN' 'VILLA EL SALVADOR' 'PUNTA HERMOSA' 'PUNTA NEGRA'
 'SAN BARTOLO']
In [126]:
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import pandas as pd
import numpy as np

# Contar delitos por año y distrito
anual_counts = delitos_menor_1000.groupby(['anio', 'distrito']).size().reset_index(name='conteo')

# Convertir anio a tipo datetime para el gráfico
anual_counts['fecha'] = pd.to_datetime(anual_counts['anio'].astype(str) + '-01-01')

# Filtrar el rango de fechas de 2018 a 2023
anual_counts = anual_counts[(anual_counts['fecha'] >= '2018-01-01') & (anual_counts['fecha'] <= '2023-12-31')]

# Crear datos de ejemplo para las barras de error (esto es opcional)
np.random.seed(0)  # Para reproducibilidad
anual_counts['error'] = np.random.uniform(0, 300, size=len(anual_counts))

# Crear gráfico
fig, ax = plt.subplots(figsize=(16, 15))  # Gráfico más ancho

# Graficar los datos anuales para cada distrito
for distrito in anual_counts['distrito'].unique():
    data_distrito = anual_counts[anual_counts['distrito'] == distrito]
    ax.plot(data_distrito['fecha'], data_distrito['conteo'], marker='o', label=f'Distrito {distrito}')

# Añadir área sombreada para la cuarentena
start_quarantine = pd.Timestamp('2020-03-16')
end_quarantine = pd.Timestamp('2020-07-01')
ax.axvspan(start_quarantine, end_quarantine, color='blue', alpha=0.2, label='Cuarentena 2020')

# Añadir línea vertical para el fin del estado de emergencia
end_emergency = pd.Timestamp('2022-10-27')
ax.axvline(end_emergency, color='red', linestyle='--', linewidth=2, label='Fin Estado de Emergencia 2022')

# Configuración de etiquetas y leyenda
ax.set_title('Número de Delitos Patrimoniales por Año (2018-2023)')
ax.set_xlabel('Año')
ax.set_ylabel('Número de Delitos Patrimoniales')
ax.grid(True)
ax.legend(loc='upper left')

# Ajustar formato del eje X para que muestre los años
ax.xaxis.set_major_locator(mdates.YearLocator())  # Ubica una etiqueta cada año
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y'))  # Formato de año

fig.autofmt_xdate()  # Ajustar las fechas en el eje x para mejor legibilidad
plt.tight_layout()  # Ajustar el diseño para que no se corten las etiquetas

plt.show()
No description has been provided for this image
In [127]:
import plotly.graph_objects as go
import pandas as pd
import numpy as np

# Contar delitos por año y distrito
anual_counts = delitos_menor_1000.groupby(['anio', 'distrito']).size().reset_index(name='conteo')

# Convertir anio a tipo datetime para el gráfico
anual_counts['fecha'] = pd.to_datetime(anual_counts['anio'].astype(str) + '-01-01')

# Filtrar el rango de fechas de 2018 a 2023
anual_counts = anual_counts[(anual_counts['fecha'] >= '2018-01-01') & (anual_counts['fecha'] <= '2023-12-31')]

# Crear la figura de Plotly
fig = go.Figure()

# Graficar los datos anuales para cada distrito
for distrito in anual_counts['distrito'].unique():
    data_distrito = anual_counts[anual_counts['distrito'] == distrito]
    fig.add_trace(go.Scatter(
        x=data_distrito['fecha'],
        y=data_distrito['conteo'],
        mode='lines+markers',
        name=f'Distrito {distrito}'
    ))

# Añadir área sombreada para la cuarentena
start_quarantine = pd.Timestamp('2020-03-16')
end_quarantine = pd.Timestamp('2020-07-01')
fig.add_vrect(
    x0=start_quarantine, x1=end_quarantine,
    fillcolor="blue", opacity=0.2,
    layer="below", line_width=0,
    name="Cuarentena 2020"
)

# Añadir línea vertical para el fin del estado de emergencia
end_emergency = pd.Timestamp('2022-10-27')
fig.add_vline(
    x=end_emergency,
    line=dict(color="red", width=2, dash="dash"),
    name="Fin Estado de Emergencia 2022"
)

# Configuración de etiquetas y leyenda
fig.update_layout(
    title='Número de Delitos Patrimoniales por Año (2018-2023)',
    xaxis_title='Año',
    yaxis_title='Número de Delitos Patrimoniales',
    xaxis_tickangle=-45,  # Ángulo de las etiquetas del eje x
    xaxis=dict(
        tickformat='%Y',
        tickvals=pd.date_range(start='2018-01-01', end='2023-12-31', freq='A').to_pydatetime(),
    ),
    legend_title='Distritos',
    template='plotly_white',
    height=1000,  # Altura de la gráfica
    width=1500 # Ancho de la gráfica
)

# Mostrar el gráfico
fig.show()

C:\Users\user\AppData\Local\Temp\ipykernel_21612\4264108037.py:53: FutureWarning:

'A' is deprecated and will be removed in a future version, please use 'YE' instead.
  • Considerar limpiar la data json de nuevo en python desde cero.
  • Pintar coropletas de los distritos en Lima luego
  • Revisar la variable dia y pasarlo a dia texto porque tiene el formato 30 o 31
  • La variable tiempo es la fecha en otro formato
  • Haremos graficas y el reporte en html en base a las recomendaciones de wheleer
  • Haremos todo lo de arriba
  • Haremos coropletas solo de Lima